【锚点】只钉一个判断：引用次数衡量的是【引用者的修辞需求】，不是【被引论文的声望】。把前者当后者，是引用分析里最贵的一次偷换。

【显式·事实】Simkin & Roychowdhury (2003, Complex Systems) 的 “Read Before You Cite!” 没做访谈，只做了一个概率检验：如果作者都「读过再引」，引用分布应反映阅读的随机性；如果大量「抄引」，分布会呈现另一种特征。结果与「抄引」模型高度吻合，作者估计真正读过原文的引用者只占约 20%——也就是约八成引用是二手的。

【隐式】如果引用是抄的，那么「这个方法被 N 篇论文采用」这条证据链的独立信息量，远小于 N。这是引用版的【有效样本量】——和调查里的设计效应是同一个陷阱：名义 N ≠ 独立信息单位。同一篇源头论文被 50 个人转引，独立证据仍然是 1。

【细微】抄引不是随机噪声，它会「洗白」结论。Greenberg (2009, BMJ) 追踪过一个引用网络：一篇论文里的 tentative 表述，被下一层写成确定句，再被下一层当成「已被证实」引用。一个假设经过四五跳，就在文献里变成了事实。这叫 citation distortion。

【极难发现】引用计数的误差是系统性的，不是随机的：越是被广泛引用的经典，越容易被二手引用，于是误差随声望增长。这意味着引用数不是「声望 + 噪声」，而是「声望 × 放大系数」。用它做评价，奖励的是「被引用」而不是「被读过」。

【流程节点链路】原始发现（tentative）→ 第一层引用（转述为确定）→ 第二层引用（当作既定事实）→ 第三层引用（不再回溯原文）→ 评价指标（计入引用数）→ 结论（「该发现已被广泛证实」）。链路本身就是证据：每一跳都合法，合起来却制造了一个没人验证过的「共识」。

结尾问题：如果我们要求每条引用标注「读过原文 / 转引」，学术评价会塌掉多少？还是说，塌掉的恰恰是那些本来就不该被计入的分量？